THE APPLICABILITY OF TOPIC MODELING TO IDENTIFY ACTORS OF SOCIO-POLITICAL MOBILIZATION USING LOW-CODE ANALYTICAL PLATFORMS
Article Sidebar
Published:
Apr 16, 2024
Keywords:
topic modeling, clustering, socio-political interaction, mobilization, analytical platforms, computer sociology
Main Article Content
Ivan Yu. Stepanov
Email: zextel1995@gmail.com
https://orcid.org/0000-0002-7938-8049
Elena A. Kranzeeva
Email: elkranzeeva@mail.ru
Evgeny V. Golovatsky
Email: xomaik@rambler.ru
Inna V. Donova
Email: idonova@gmail.com
Anna L. Burmakina
Email: anna-sidjakina@rambler.ru
Abstract
The article presents a contemporary perspective on the analysis of socio-political processes, grounded in the premise that the application of topic modeling through low-code platforms can substantially enhance the quality of research performed by analysts. This enhancement is particularly significant in identifying the pivotal actors and the evolving dynamics within socio-political processes. The authors argue that topic modeling, a relatively novel approach compared to traditional methods, is capable of uncovering relationships and trends that might otherwise remain obscured. In advocating for this approach, the paper proposes an integrated methodology. This methodology is designed to empower researchers in the social sciences, enabling them to effectively utilize these innovative tools. The objective is to deepen their comprehension of the underlying mechanisms that drive socio-political mobilization. To substantiate their argument, the authors present various case studies. These case studies demonstrate the effectiveness of topic modeling in revealing otherwise hidden connections among various actors. Additionally, they illustrate how topic modeling sheds light on the contributions of these actors to the dynamics of mobilization. This approach represents a significant advancement in the field, offering new insights and a more nuanced understanding of complex socio-political landscapes.
Downloads
Download data is not yet available.
Metrics
Metrics Loading ...
Article Details
How to Cite
Stepanov, I. Y., Kranzeeva, E. A., Golovatsky, E. V., Donova, I. V., & Burmakina, A. L. (2024). THE APPLICABILITY OF TOPIC MODELING TO IDENTIFY ACTORS OF SOCIO-POLITICAL MOBILIZATION USING LOW-CODE ANALYTICAL PLATFORMS. Society and Security Insights, 7(1), 27-39. https://doi.org/10.14258/SSI(2024)1-02
Section
STATE, CIVIL SOCIETY AND STABILITY
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors retain the copyright of their manuscripts, and all Open Access articles are distributed under the terms of the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided that the original work is properly cited.
References
Алексеев, М. С. Технологии девиантного поведения в сетевом пространстве // Молодой ученый. 2019. № 49 (287). С. 539-542.
Анашкина М.В., Колесова И.В. Применение datamining в процессе выявления недобросовестных практик на рынке ценных бумаг (на основе кейса) // Финансовые исследования. 2020. №3 (68). C. 16-26.
Володенков С.В., Митева Виктория Валентиновна Сетевые информационные войны в современных условиях: основные акторы и стратегии // PolitBook. 2016. №3.
Гончаренко Ю. Д. К возможности группировки керамики в среде для анализа данных ORANGE (на основе материалов самосдельского городища) // Материалы Всероссийской (с международным участием) археологической студенческой конференции (Астрахань, 01-03 февраля 2022 г.). / сост. и отв. ред. Д. В. Васильев. Астрахань: Издатель: Сорокин Р.В., 2022. C. 185-187
Горчакова О. Ю., Ларионова А. В., Александрова Ю. К., Петров Е. Ю. Особенности новостного дискурса социально-политической тематики на примере региональных новостных пабликов в социальной сети "Вконтакте" // Филология: научные исследования. 2021. № 3. С. 1-17. DOI: 10.7256/2454-0749.2021.3.35234
Исаева Е. В. Тематическое моделирование в дискурсе компьютерной безопасности: исследование на примере публикаций информационных бюллетеней и новостных лент // Вестник Пермского университета. Российская и зарубежная филология, 2022, 14(2). https://doi.org/10.17072/2073-6681-2022-2-18-26
Колбягина Л. А. Кластерный анализ отраслевой структуры налоговых доходов на региональном уровне // Известия БГУ. 2022. № 3. С. 493-500.
Конышев Е. В. Методика изучения ментального туристско-рекреационного пространства по отзывам туристов (на примере Кировской области) // Вестник Московского университета. 2022. Сер. 5: География. № 5. С. 16-28.
Кранзеева Е. А., Головацкий Е. В., Орлова А. В. Социальное и политическое взаимодействие местных сообществ региона в условиях реактивных отношений: кейсы благоустройства городского пространства // Вестник Томского государственного университета. 2021. № 464. С. 81-90. DOI: 10.17223/15617793/464/10
Лебедкина Н. С., Александрова Ю. К., Орлова В. В. Анализ миграционных потоков молодежи на территории субъектов российской федерации // Векторы благополучия: экономика и социум, 2021, № 2 (41). С. 57-72. doi:10.18799/26584956/2021/3(42)/1089
Мирошниченко И. В. Сетевая публичная политика и управление. М.: Аргамак-Медиа, 2016. 296.с.
Михненко П.А. Data mining как инструмент мультимодальной бизнес-аналитики: трансформация лексики годовых отчетов госкорпорации «Ростех» // Вестник Российского экономического университета имени Г. В. Плеханова. 2022. № 6. С. 126-136. doi:10.21686/2413-2829-2022-6-126-136.
Семенов А. Событийный анализ протестов как инструмент изучения политической мобилизации // Социологическое обозрение. 2018. Т. 17. № 2. С. 317-341. doi: 10.17323/1728-192X-2018-2-317-341
Сухарева А.В., Воронцов К.В. Построение полного набора тем вероятностных тематических моделей // Интеллектуальные системы. Теория и приложения. 2019. Т. 23. № 4. С. 7-23.
Черкасов Е. И. Сравнение алгоритмов тематического моделирования при определении тематик постов людей в социальной сети “Вконтакте” // Евразийский Союз Ученых. 2020. № 6-2 (75). С. 45-49.
Apishev M., Vorontsov K. Learning topic models with arbitrary loss // Proceedings of the XXth Conference of Open Innovations Association FRUCT. 2020. Vol. 26. P. 1-8. DOI: 10.23919/FRUCT48808.2020.9087559
Deerwester S., et al, Improving Information Retrieval with Latent Semantic Indexing, Proceedings of the 51st Annual Meeting of the American Society for Information Science 25, 1988. Pp. 36–40.
Golovatsky E., Kranzeeva E., Orlova A., Burmakina A. Social Practices of Mobilizing Population Initiatives: Prospects for Hybrid Methodology // International Conference on Communicative Strategies of Information Society (CSIS 2018). Advances in Social Science, Education and Humanities Research, 2018. Vol. 289. Pp. 8-13. doi: 10.2991/csis-18.2019.2
Greff K., Srivastava R. K., Koutník J., Steunebrink B. R., and J. Schmidhuber, "LSTM: A Search Space Odyssey," in IEEE Transactions on Neural Networks and Learning Systems, Vol. 28, No 10. Pp. 2222-2232, Oct. 2017, doi: 10.1109/TNNLS.2016.2582924.
Hofmann Th. Learning the Similarity of Documents: an information-geometric approach to document retrieval and categorization, Advances in Neural Information Processing Systems 12. MIT Press, 2000. Pp. 914-920.
Hutter S. 2014. Protest Event Analysis and Its Offspring // della Porta D. (ed.). Methodological Practices in Social Movement Research. Oxford: Oxford University Press. Pp. 335-367.
REFERENCES
Alekseev, M. S. (2019). Technologies of deviant behavior in the network space. Young scientist, 49(287), 539-542. (In Russ.).
Anashkina, M. V., & Kolesova, I. V. (2020). Application of datamining in the process of identifying unfair practices in the securities market (based on the case). Finansovye issledovanija, (3)68, 16-26. (In Russ.).
Apishev, M., & Vorontsov, K. (2020). Learning topic models with arbitrary loss. InL Proceedings of the XXth Conference of Open Innovations Association FRUCT, Vol. 26 (Pp. 1-8). DOI: 10.23919/FRUCT48808.2020.9087559
Cherkasov, E. I. (2020). Comparison of algorithms of thematic modeling in determining subjects of posts of people in the social network "Vkontakte". Evrazijskij Sojuz Uchenyh, (6-2)75, 45-49. (In Russ.).
Deerwester, S., et al. (1988). Improving Information Retrieval with Latent Semantic Indexing. Proceedings of the 51st Annual Meeting of the American Society for Information Science, 25, 36–40.
Golovatsky, E., Kranzeeva, E., Orlova, A., & Burmakina, A. (2018). Social Practices of Mobilizing Population Initiatives: Prospects for Hybrid Methodology. In: International Conference on Communicative Strategies of Information Society (CSIS 2018). Advances in Social Science, Education and Humanities Research, 289 (Pp. 8-13). https://doi.org/10.2991/csis-18.2019.2
Goncharenko, Ju. D. (2022). To the possibility of grouping ceramics in the environment for analysis of ORANGE data (based on the materials of the fort). In: D. V. Vasil'ev (Ed.), Materialy Vserossijskoj (s mezhdunarodnym uchastiem) arheologicheskoj studencheskoj konferencii (Astrahan', 01-03 fevralja 2022 g.) (Pp. 185-187). Astrahan: Sorokin R.V. (In Russ.).
Gorchakova, O. Ju., Larionova, A. V., Aleksandrova, Ju. K., & Petrov, E. Ju. (2021). Features of the social and political discourse on the example of regional news publics in the social network "Vkontakte". Filologija: nauchnye issledovanija, 3, 1-17. doi:10.7256/2454-0749.2021.3.35234 (In Russ.).
Greff, K., Srivastava, R. K., Koutník, J., Steunebrink, B. R., & Schmidhuber, J. (2017). LSTM: A Search Space Odyssey. IEEE Transactions on Neural Networks and Learning Systems, 28(10), 2222-2232. doi:10.1109/TNNLS.2016.2582924
Hofmann, T. (2000). Learning the similarity of documents: an information-geometric approach to document retrieval and categorization. In: Advances in Neural Information Processing Systems 12 (pp. 914-920). MIT Press.
Hutter, S. (2014). Protest event analysis and its offspring. In D. della Porta (Ed.), Methodological Practices in Social Movement Research (pp. 335-367). Oxford: Oxford University Press.
Isaeva, E. V. (2022). Topic modelling in the computer security discourse: case study on newsletters and news feeds. Vestnik Permskogo universiteta. Rossijskaja i zarubezhnaja filologija, 14(2). doi:10.17072/2073-6681-2022-2-18-26 (In Russ.).
Kolbjagina, L. A. (2022). Cluster analysis of the sectoral structure of tax revenues at the regional level. Izvestija BGU, 3, 493-500. (In Russ.).
Konyshev, E. V. (2022). Methods of studying the mental tourist-recreational space according to the reviews of tourists (on the example of Kirov region). Vestnik Moskovskogo universiteta. Ser. 5: Geografija, 5, 16-28. (In Russ.).
Kranzeeva, E. A., Golovackij, E. V., & Orlova, A. V. (2021). Social and political interaction of local communities of the region in reactive relations: cases of urban improvement. Vestnik Tomskogo gosudarstvennogo universiteta, 464, 81-90. doi:10.17223/15617793/464/10.
Lebedkina, N. S., Aleksandrova, Ju. K., & Orlova, V. V. (2021). Analysis of migration flows of youth in the territory of the constituent entities of the Russian Federation. Vektory blagopoluchija: jekonomika i socium, 2(41), 57-72. doi:10.18799/26584956/2021/3(42)/1089 (In Russ.).
Miroshnichenko, I. V. (2016). Network public policy and management. Moskva: Argamak-Media. (In Russ.).
Mihnenko, P. A. (2022). Data mining as a tool of multimodal business analytics: transformation of vocabulary of annual reports of the state corporation «RosTech». Vestnik Rossijskogo jekonomicheskogo universiteta imeni G. V. Plehanova, 6, 126-136. doi:10.21686/2413-2829-2022-6-126-136. (In Russ.).
Semenov, A. (2018). Event analysis of protests as a tool to study political mobilization. Sociologicheskoe obozrenie, 17(2), 317-341. doi:10.17323/1728-192X-2018-2-317-341. (In Russ.).
Suhareva, A. V., & Voroncov, K. V. (2019 Building a complete set of probabilistic thematic model topics. Intellektual'nye sistemy. Teorija i prilozhenija, 23(4), 7-23. (In Russ.).
Анашкина М.В., Колесова И.В. Применение datamining в процессе выявления недобросовестных практик на рынке ценных бумаг (на основе кейса) // Финансовые исследования. 2020. №3 (68). C. 16-26.
Володенков С.В., Митева Виктория Валентиновна Сетевые информационные войны в современных условиях: основные акторы и стратегии // PolitBook. 2016. №3.
Гончаренко Ю. Д. К возможности группировки керамики в среде для анализа данных ORANGE (на основе материалов самосдельского городища) // Материалы Всероссийской (с международным участием) археологической студенческой конференции (Астрахань, 01-03 февраля 2022 г.). / сост. и отв. ред. Д. В. Васильев. Астрахань: Издатель: Сорокин Р.В., 2022. C. 185-187
Горчакова О. Ю., Ларионова А. В., Александрова Ю. К., Петров Е. Ю. Особенности новостного дискурса социально-политической тематики на примере региональных новостных пабликов в социальной сети "Вконтакте" // Филология: научные исследования. 2021. № 3. С. 1-17. DOI: 10.7256/2454-0749.2021.3.35234
Исаева Е. В. Тематическое моделирование в дискурсе компьютерной безопасности: исследование на примере публикаций информационных бюллетеней и новостных лент // Вестник Пермского университета. Российская и зарубежная филология, 2022, 14(2). https://doi.org/10.17072/2073-6681-2022-2-18-26
Колбягина Л. А. Кластерный анализ отраслевой структуры налоговых доходов на региональном уровне // Известия БГУ. 2022. № 3. С. 493-500.
Конышев Е. В. Методика изучения ментального туристско-рекреационного пространства по отзывам туристов (на примере Кировской области) // Вестник Московского университета. 2022. Сер. 5: География. № 5. С. 16-28.
Кранзеева Е. А., Головацкий Е. В., Орлова А. В. Социальное и политическое взаимодействие местных сообществ региона в условиях реактивных отношений: кейсы благоустройства городского пространства // Вестник Томского государственного университета. 2021. № 464. С. 81-90. DOI: 10.17223/15617793/464/10
Лебедкина Н. С., Александрова Ю. К., Орлова В. В. Анализ миграционных потоков молодежи на территории субъектов российской федерации // Векторы благополучия: экономика и социум, 2021, № 2 (41). С. 57-72. doi:10.18799/26584956/2021/3(42)/1089
Мирошниченко И. В. Сетевая публичная политика и управление. М.: Аргамак-Медиа, 2016. 296.с.
Михненко П.А. Data mining как инструмент мультимодальной бизнес-аналитики: трансформация лексики годовых отчетов госкорпорации «Ростех» // Вестник Российского экономического университета имени Г. В. Плеханова. 2022. № 6. С. 126-136. doi:10.21686/2413-2829-2022-6-126-136.
Семенов А. Событийный анализ протестов как инструмент изучения политической мобилизации // Социологическое обозрение. 2018. Т. 17. № 2. С. 317-341. doi: 10.17323/1728-192X-2018-2-317-341
Сухарева А.В., Воронцов К.В. Построение полного набора тем вероятностных тематических моделей // Интеллектуальные системы. Теория и приложения. 2019. Т. 23. № 4. С. 7-23.
Черкасов Е. И. Сравнение алгоритмов тематического моделирования при определении тематик постов людей в социальной сети “Вконтакте” // Евразийский Союз Ученых. 2020. № 6-2 (75). С. 45-49.
Apishev M., Vorontsov K. Learning topic models with arbitrary loss // Proceedings of the XXth Conference of Open Innovations Association FRUCT. 2020. Vol. 26. P. 1-8. DOI: 10.23919/FRUCT48808.2020.9087559
Deerwester S., et al, Improving Information Retrieval with Latent Semantic Indexing, Proceedings of the 51st Annual Meeting of the American Society for Information Science 25, 1988. Pp. 36–40.
Golovatsky E., Kranzeeva E., Orlova A., Burmakina A. Social Practices of Mobilizing Population Initiatives: Prospects for Hybrid Methodology // International Conference on Communicative Strategies of Information Society (CSIS 2018). Advances in Social Science, Education and Humanities Research, 2018. Vol. 289. Pp. 8-13. doi: 10.2991/csis-18.2019.2
Greff K., Srivastava R. K., Koutník J., Steunebrink B. R., and J. Schmidhuber, "LSTM: A Search Space Odyssey," in IEEE Transactions on Neural Networks and Learning Systems, Vol. 28, No 10. Pp. 2222-2232, Oct. 2017, doi: 10.1109/TNNLS.2016.2582924.
Hofmann Th. Learning the Similarity of Documents: an information-geometric approach to document retrieval and categorization, Advances in Neural Information Processing Systems 12. MIT Press, 2000. Pp. 914-920.
Hutter S. 2014. Protest Event Analysis and Its Offspring // della Porta D. (ed.). Methodological Practices in Social Movement Research. Oxford: Oxford University Press. Pp. 335-367.
REFERENCES
Alekseev, M. S. (2019). Technologies of deviant behavior in the network space. Young scientist, 49(287), 539-542. (In Russ.).
Anashkina, M. V., & Kolesova, I. V. (2020). Application of datamining in the process of identifying unfair practices in the securities market (based on the case). Finansovye issledovanija, (3)68, 16-26. (In Russ.).
Apishev, M., & Vorontsov, K. (2020). Learning topic models with arbitrary loss. InL Proceedings of the XXth Conference of Open Innovations Association FRUCT, Vol. 26 (Pp. 1-8). DOI: 10.23919/FRUCT48808.2020.9087559
Cherkasov, E. I. (2020). Comparison of algorithms of thematic modeling in determining subjects of posts of people in the social network "Vkontakte". Evrazijskij Sojuz Uchenyh, (6-2)75, 45-49. (In Russ.).
Deerwester, S., et al. (1988). Improving Information Retrieval with Latent Semantic Indexing. Proceedings of the 51st Annual Meeting of the American Society for Information Science, 25, 36–40.
Golovatsky, E., Kranzeeva, E., Orlova, A., & Burmakina, A. (2018). Social Practices of Mobilizing Population Initiatives: Prospects for Hybrid Methodology. In: International Conference on Communicative Strategies of Information Society (CSIS 2018). Advances in Social Science, Education and Humanities Research, 289 (Pp. 8-13). https://doi.org/10.2991/csis-18.2019.2
Goncharenko, Ju. D. (2022). To the possibility of grouping ceramics in the environment for analysis of ORANGE data (based on the materials of the fort). In: D. V. Vasil'ev (Ed.), Materialy Vserossijskoj (s mezhdunarodnym uchastiem) arheologicheskoj studencheskoj konferencii (Astrahan', 01-03 fevralja 2022 g.) (Pp. 185-187). Astrahan: Sorokin R.V. (In Russ.).
Gorchakova, O. Ju., Larionova, A. V., Aleksandrova, Ju. K., & Petrov, E. Ju. (2021). Features of the social and political discourse on the example of regional news publics in the social network "Vkontakte". Filologija: nauchnye issledovanija, 3, 1-17. doi:10.7256/2454-0749.2021.3.35234 (In Russ.).
Greff, K., Srivastava, R. K., Koutník, J., Steunebrink, B. R., & Schmidhuber, J. (2017). LSTM: A Search Space Odyssey. IEEE Transactions on Neural Networks and Learning Systems, 28(10), 2222-2232. doi:10.1109/TNNLS.2016.2582924
Hofmann, T. (2000). Learning the similarity of documents: an information-geometric approach to document retrieval and categorization. In: Advances in Neural Information Processing Systems 12 (pp. 914-920). MIT Press.
Hutter, S. (2014). Protest event analysis and its offspring. In D. della Porta (Ed.), Methodological Practices in Social Movement Research (pp. 335-367). Oxford: Oxford University Press.
Isaeva, E. V. (2022). Topic modelling in the computer security discourse: case study on newsletters and news feeds. Vestnik Permskogo universiteta. Rossijskaja i zarubezhnaja filologija, 14(2). doi:10.17072/2073-6681-2022-2-18-26 (In Russ.).
Kolbjagina, L. A. (2022). Cluster analysis of the sectoral structure of tax revenues at the regional level. Izvestija BGU, 3, 493-500. (In Russ.).
Konyshev, E. V. (2022). Methods of studying the mental tourist-recreational space according to the reviews of tourists (on the example of Kirov region). Vestnik Moskovskogo universiteta. Ser. 5: Geografija, 5, 16-28. (In Russ.).
Kranzeeva, E. A., Golovackij, E. V., & Orlova, A. V. (2021). Social and political interaction of local communities of the region in reactive relations: cases of urban improvement. Vestnik Tomskogo gosudarstvennogo universiteta, 464, 81-90. doi:10.17223/15617793/464/10.
Lebedkina, N. S., Aleksandrova, Ju. K., & Orlova, V. V. (2021). Analysis of migration flows of youth in the territory of the constituent entities of the Russian Federation. Vektory blagopoluchija: jekonomika i socium, 2(41), 57-72. doi:10.18799/26584956/2021/3(42)/1089 (In Russ.).
Miroshnichenko, I. V. (2016). Network public policy and management. Moskva: Argamak-Media. (In Russ.).
Mihnenko, P. A. (2022). Data mining as a tool of multimodal business analytics: transformation of vocabulary of annual reports of the state corporation «RosTech». Vestnik Rossijskogo jekonomicheskogo universiteta imeni G. V. Plehanova, 6, 126-136. doi:10.21686/2413-2829-2022-6-126-136. (In Russ.).
Semenov, A. (2018). Event analysis of protests as a tool to study political mobilization. Sociologicheskoe obozrenie, 17(2), 317-341. doi:10.17323/1728-192X-2018-2-317-341. (In Russ.).
Suhareva, A. V., & Voroncov, K. V. (2019 Building a complete set of probabilistic thematic model topics. Intellektual'nye sistemy. Teorija i prilozhenija, 23(4), 7-23. (In Russ.).